k-d（k-dimensional）樹在很多聚類演算法中都有應用，例如cure演算法。k-d樹的構造說明請參考j_outsider的博文，本文這裡只給出其構造**如下：
主程式**：
clc;
clear;
%讀取資料檔案,生成點矩陣
fileid = fopen('d:\matlabfile\k-d tree\test.txt');
c=textscan(fileid,'%f %f');
fclose(fileid);
%構造資料集，第一列為x軸，第二列為y軸
d=cat(2,c,c);
%儲存構造結果
kd_tree=createkd_tree(d);
%節點中包含有分割域的構造結果
kd_tree_dim=createkd_tree_dim(d);
%測試點
point=[5.1 4.1];
%搜尋鄰近點
r=kd_tree_search(kd_tree_dim,point);
function kdtree=createkd_tree(d)
%計算兩個維度上的資料方差,然後比較兩個維度的方差,確定分割的維度，1代表x軸，2代表y軸
dimension=1;
if var(d(:,1))<=var(d(:,2))
dimension=2;
end%取出分割域
col=sort(d(:,dimension));
index=ceil(length(col)/2);
%確定**點
split=col(index,1);
%對資料分組
node=; %結點
left_data=; %左枝資料集
right_data=;%右枝資料集
for i=1:size(d,1)
if (d(i,dimension)split)
right_data=cat(1,right_data,d(i,:));
else
node=d(i,:);
end
end%向下遍歷左結點
if isempty(left_data)
left_node=;
elseif size(left_data,1)==1
left_node=left_data;
else
left_node=createkd_tree(left_data);
end%向下遍歷右結點
if isempty(right_data)
right_node=;
elseif size(right_data,1)==1
right_node=right_data;
else
right_node=createkd_tree(right_data);
end%將左右結點的結果加入樹中
kdtree=;
包含分割域的建構函式createkd_tree_dim
%結點中包含分割域，例如結點[4 5 1],最後一位1代表分割域，目的是為了後續搜尋k-d樹：
function kdtree=createkd_tree_dim(d) %結點中包含分割域，如如[4 5 1],最後一位1代表分割域，目的是為了方便搜尋
%計算兩個維度上的資料方差,然後比較兩個維度的方差,確定分割的維度，1代表x軸，2代表y軸
dimension=1;
if var(d(:,1))<=var(d(:,2))
dimension=2;
end%取出分割域
col=sort(d(:,dimension));
index=ceil(length(col)/2);
%確定**點
split=col(index,1);
%對資料分組
node=; %結點
left_data=; %左枝資料集
right_data=;%右枝資料集
for i=1:size(d,1)
if (d(i,dimension)split)
right_data=cat(1,right_data,d(i,:));
else
node=d(i,:);
end
end%向下遍歷左結點
if isempty(left_data)
left_node=;
elseif size(left_data,1)==1
left_node=left_data;
else
left_node=createkd_tree_dim(left_data);
end%向下遍歷右結點
if isempty(right_data)
right_node=;
elseif size(right_data,1)==1
right_node=right_data;
else
right_node=createkd_tree_dim(right_data);
end%增加分割域
node=cat(2,node,dimension);
%將左右結點的結果加入樹中
kdtree=;
鄰近點搜尋函式 kd_tree_search：
%針對二維資料的搜尋近鄰點，所構造的樹需要具有分割域
function nearest=kd_tree_search(kdtree,point)
%取出結點
node=kdtree;
%判定從左右枝搜尋,預設為從左枝
leaf=kdtree;
%判斷是分割域,1為x軸，2為y軸
if node(1,3)==1
if node(1,1)測試資料如下，請讀者賦值儲存為txt:
2 35 49 6
4 78 1
7 2
kd樹的構造與搜尋
根據knn每次需要 乙個點時，我們都需要計算訓練資料集裡每個點到這個點的距離，然後選出距離最近的k個點進行投票。當資料集很大時，這個計算成本非常高，針對n個樣本，d個特徵的資料集，其演算法複雜度為o dn2 kd樹 為了避免每次都重新計算一遍距離，演算法會把距離資訊儲存在一棵樹裡，這樣在計算之前從樹...
搜尋二維矩陣
寫出乙個高效的演算法來搜尋 m n矩陣中的值。這個矩陣具有以下特性 每行中的整數從左到右是排序的。每行的第乙個數大於上一行的最後乙個整數。樣例 考慮下列矩陣 1,3,5,7 10,11,16,20 23,30,34,50 給出 target 3，返回 true 思路一 最容易想到的一種解法就是兩層f...
搜尋二維矩陣
寫出乙個高效的演算法來搜尋 m n矩陣中的值。這個矩陣具有以下特性 樣例 考慮下列矩陣 1,3,5,7 10,11,16,20 23,30,34,50 給出target 3，返回true 解題思路 可以把這個矩陣，看成是乙個大的一維陣列，1,3,5,7,10,11,16,20,23,34,50。然後...